La méthode peut contribuer à un meilleur contrôle et à une meilleure compréhension du nombre toujours croissant de produits chimiques utilisés dans la société, et peut également contribuer à réduire le nombre d'expérimentations animales.

L'étude intitulée « Les transformateurs permettent une prévision précise de la toxicité chimique aiguë et chronique chez les organismes aquatiques » a été publiée dans Science Advances. .

L'utilisation de produits chimiques dans la société est très répandue et on les retrouve dans tous les domaines, des produits ménagers aux processus industriels. De nombreux produits chimiques atteignent nos cours d'eau et nos écosystèmes, où ils peuvent avoir des effets négatifs sur les humains et d'autres organismes.

Un exemple est le PFAS, un groupe de substances problématiques dont les concentrations dans les eaux souterraines et l’eau potable ont récemment été découvertes. Il a été utilisé, par exemple, dans la mousse anti-incendie et dans de nombreux produits de consommation.

Des effets négatifs pour les humains et l'environnement surviennent malgré des réglementations approfondies sur les produits chimiques, qui nécessitent souvent de longs tests sur les animaux pour démontrer quand les produits chimiques peuvent être considérés comme sûrs.

Rien que dans l'UE, plus de 2 millions d'animaux sont utilisés chaque année pour se conformer à diverses réglementations. Dans le même temps, de nouveaux produits chimiques sont développés à un rythme rapide, et il est difficile de déterminer lesquels d'entre eux doivent être restreints en raison de leur toxicité pour l'homme ou l'environnement.

Une aide précieuse dans le développement de produits chimiques

La nouvelle méthode développée par les chercheurs suédois utilise l'intelligence artificielle pour une évaluation rapide et rentable de la toxicité chimique. Il peut donc être utilisé pour identifier les substances toxiques à un stade précoce et contribuer à réduire le besoin d'expérimentation animale.

"Notre méthode est capable de prédire si une substance est toxique ou non en fonction de sa structure chimique. Elle a été développée et affinée en analysant de grands ensembles de données provenant de tests en laboratoire effectués dans le passé. La méthode a ainsi été entraînée à effectuer des évaluations précises pour des résultats antérieurs. produits chimiques non testés", déclare Mikael Gustavsson, chercheur au Département des sciences mathématiques de l'Université de technologie Chalmers et au Département de biologie et des sciences de l'environnement de l'Université de Göteborg.

"Il existe actuellement plus de 100 000 produits chimiques sur le marché, mais seule une petite partie d'entre eux présente une toxicité bien décrite envers l'homme ou l'environnement. Évaluer la toxicité de tous ces produits chimiques à l'aide de méthodes conventionnelles, y compris les tests sur les animaux, n'est pas pratique. Ici, nous voyons que notre méthode peut offrir une nouvelle alternative", déclare Erik Kristiansson, professeur au Département des sciences mathématiques de Chalmers et à l'Université de Göteborg.

Les chercheurs pensent que la méthode peut être très utile dans le cadre de la recherche environnementale, ainsi que pour les autorités et les entreprises qui utilisent ou développent de nouveaux produits chimiques. Ils l'ont donc rendu ouvert et accessible au public.

Plus large et plus précis que les outils informatiques actuels

Des outils informatiques permettant de détecter des produits chimiques toxiques existent déjà, mais jusqu'à présent, leurs domaines d'applicabilité étaient trop étroits ou leur précision était trop faible pour remplacer dans une plus large mesure les tests en laboratoire. Dans l'étude des chercheurs, ils ont comparé leur méthode avec trois autres outils informatiques couramment utilisés et ont découvert que la nouvelle méthode était à la fois plus précise et plus généralement applicable.

"Le type d'IA que nous utilisons est basé sur des méthodes avancées d'apprentissage profond", explique Kristiansson. "Nos résultats montrent que les méthodes basées sur l'IA sont déjà à égalité avec les approches informatiques conventionnelles, et à mesure que la quantité de données disponibles continue d'augmenter, nous nous attendons à ce que les méthodes d'IA s'améliorent davantage. Ainsi, nous pensons que l'IA a le potentiel d'améliorer considérablement les méthodes informatiques. évaluation de la toxicité chimique."

Les chercheurs prédisent que les systèmes d'IA pourront remplacer de plus en plus les tests en laboratoire.

"Cela signifierait que le nombre d'expérimentations animales pourrait être réduit, ainsi que les coûts économiques liés au développement de nouveaux produits chimiques. La possibilité de présélectionner rapidement des corpus de données volumineux et diversifiés peut donc faciliter le développement de produits chimiques nouveaux et plus sûrs et aider à trouver des substituts. pour les substances toxiques actuellement utilisées. Nous pensons donc que les méthodes basées sur l'IA contribueront à réduire les impacts négatifs de la pollution chimique sur les humains et sur les services écosystémiques", déclare Kristiansson.

La méthode est basée sur les transformateurs, un modèle d’IA pour l’apprentissage profond initialement développé pour le traitement du langage. Chat GPT, dont l'abréviation signifie Generative Pretrained Transformer, est un exemple d'application.

Le modèle s'est également récemment révélé très efficace pour capturer des informations provenant de structures chimiques. Les transformateurs peuvent identifier les propriétés de la structure des molécules qui provoquent une toxicité, d'une manière plus sophistiquée qu'auparavant.

Grâce à ces informations, la toxicité de la molécule peut alors être prédite par un réseau neuronal profond. Les réseaux neuronaux et les transformateurs appartiennent au type d'IA qui s'améliore continuellement en utilisant des données d'entraînement – dans ce cas, de grandes quantités de données provenant de tests de laboratoire antérieurs sur les effets de milliers de produits chimiques différents sur divers animaux et plantes.